Personalización a largo plazo con Data Distiller
La personalización a largo plazo adapta una experiencia en tiempo real utilizando un comportamiento del cliente que se remonta a meses o años atrás. Con Data Distiller, puede admitir estos casos de uso de forma eficaz manteniendo el almacén de perfiles y el volumen total de datos 1} lean: utiliza SQL para calcular una señal compacta a partir del historial completo en el lago de datos y, a continuación, publica solo esa señal en el Perfil del cliente en tiempo real para su activación. Una señal es el resultado de la transformación SQL, como una puntuación, nivel, rango o pertenencia a una audiencia. Esta guía muestra cómo implementar ese patrón.
Esta guía está destinada a ingenieros de datos, arquitectos de soluciones e implementadores técnicos que crean la solución. Supone estar familiarizado con los aspectos básicos de Experience Platform y SQL.
Funcionamiento how-it-works
El flujo de trabajo de Data Distiller para la personalización a largo plazo sigue un patrón de derivación y promoción: los eventos históricos permanecen en el lago de datos y solo la salida calculada se promociona al almacén de perfiles. Cada paso a continuación vincula a la documentación detallada del producto.
Requisito previo: Los datos del evento histórico ya deben introducirse en Experience Platform y estar disponibles en el conjunto de datos para que Data Distiller pueda consultarlos. Data Distiller consulta los datos en el lago de datos. No ingiere los datos en sí.
Los pasos siguientes ilustran el patrón de atributos derivados. El patrón de audiencia de SQL directo utiliza el mismo método de cálculo y actualización, pero publica la pertenencia a audiencias en lugar de un atributo de perfil reutilizable, tal como se describe en Dos formas de entregar la señal.
- Acceder a datos históricos en el lago de datos. Todo el historial de eventos (web, aplicación, compras y datos de fidelidad) está disponible para consulta en profundidad, sin contar para los derechos de perfil.
- Escriba la consulta de transformación. Un ingeniero de datos crea una consulta SQL que define la señal, por ejemplo, la actividad total durante los últimos 12 meses asignada a un nivel de lealtad. Consulte la guía de usuario del Editor de consultas y consultas con parámetros.
- Generar un conjunto de datos derivado. Ejecute la consulta para crear un conjunto de datos derivado con una fila por cliente, que contenga únicamente la señal calculada. Consulte conjuntos de datos derivados.
- Programar la actualización. Guarde la consulta y configúrela para que se ejecute en una cadencia (diaria, semanal o según requiera el caso de uso), de modo que la señal siempre refleje la última ventana. Ver programaciones de consultas.
- Publicar en el almacén de perfiles. El conjunto de datos derivado permanece en el lago de datos hasta que lo publica. La publicación promociona el resultado calculado en el Perfil del cliente en tiempo real, donde pasa a estar disponible en Generador de segmentos para la generación de audiencias. Desde allí, usted activa esas audiencias a través de destinos de Real-Time Customer Data Platform o recorridos de Adobe Journey Optimizer.
Dos formas de enviar la señal output-patterns
Puede enviar la señal al almacén de perfiles de dos formas, en función de si necesita enriquecer cada perfil o dirigirse a una audiencia específica.
- Atributo derivado. Calcule un valor, como una puntuación o nivel, y escríbalo en cada perfil del cliente, donde se puede reutilizar en muchas audiencias y recorridos. Utilícelo para el enriquecimiento continuo de perfiles. Consulte conjuntos de datos derivados.
- Audiencia SQL directa. Generar y publicar una pertenencia a audiencia directamente desde SQL sin crear primero un atributo derivado. Utilícelo para una audiencia de campaña segmentada cuando no necesite enriquecer todos los perfiles. Ver audiencias de compilación usando SQL.
Confirmar los ajustes de Data Distiller when-to-use
En esta guía se da por hecho que Distiller de datos es el método elegido. Es el momento adecuado cuando su caso de uso de personalización a largo plazo requiere lo siguiente:
- Salidas matemáticamente precisas. Deciles exactos, percentiles y puntuaciones de clasificación de conjuntos de datos históricos completos.
- Atributos derivados en cada perfil. Un valor calculado como
loyalty_tierochurn_risk_scoreescrito en cada perfil de cliente y reutilizable en todas las audiencias y recorridos descendentes. - Actualización programada y automatizada. Una señal que se vuelve a calcular en una cadencia fija sin intervención manual después de la configuración.
- Transformaciones repetibles y bien definidas. Casos de uso en los que se puede definir el cálculo por adelantado en SQL.
Los ingenieros de datos y analistas de SQL utilizan Data Distiller. Una vez publicada una señal, los especialistas en marketing y los administradores de campañas pueden utilizarla en Segment Builder y Adobe Journey Optimizer sin ningún conocimiento técnico.
Ejemplo de caso de uso: puntuación de deciles de lealtad de la aerolínea example
Piense en una aerolínea que almacena dos años de eventos de transacciones de vuelos en Experience Platform y quiere ofrecer mejoras de asientos a su 10% de viajeros frecuentes principales, sin aumentar el volumen total de datos al mantener todos esos eventos en la tienda de perfiles.
Con Data Distiller, un ingeniero de datos consulta los últimos 12 meses de transacciones de vuelo desde el lago de datos, clasifica a los miembros fieles en deciles según las millas totales recorridas y escribe un único atributo derivado por cliente: su clasificación de deciles y su etiqueta de nivel. Programan la consulta para que se actualice semanalmente y publique solo el atributo derivado en el almacén de perfiles. A continuación, los especialistas en marketing crean una audiencia “Decile 10” y activan una oferta de actualización en Adobe Journey Optimizer.
Para ver el tutorial paso a paso de SQL completo sobre este escenario, consulte Crear conjuntos de datos derivados basados en deciles.
Señales comunes para calcular common-signals
Utilice Data Distiller para calcular resultados de ejemplo como los siguientes de historiales largos:
- Audiencias basadas en clasificación, como el 10 % de compradores principales o las cohortes que gastan más
- Valor de duración del cliente y modelos de moneda de frecuencia de actualización (RFM)
- Puntuación de riesgo de pérdida
- Puntuación de tendencia y afinidad del producto
Mantener la tienda de perfiles limpia keep-lean
La derivación de señales con Data Distiller mantiene los nuevos datos históricos fuera del almacén de perfiles. Para administrar los datos que ya están ahí mediante la supervisión del derecho de licencia, los filtros de ingesta y la higiene del conjunto de datos, consulte Prácticas recomendadas sobre el derecho de licencia de administración de datos.
Próximos pasos next-steps
Utilice estos recursos para implementar y ampliar la solución: